残差网络与嵌入使用:图卷积网络节点分类的新技巧
机器学习
2022-02-09 v2
摘要
图卷积网络(GCNs)及后续变体已被提出用于解决图上的任务,尤其是节点分类任务。然而,文献中大多数技巧或技术要么作为实现细节被简要提及,要么仅在源代码中可见。在本文中,我们首先总结了 GCNs 小批量训练中一些现有有效技巧。在此基础上,通过利用残差网络和预训练嵌入,提出了两种名为 GCN_res 框架和嵌入使用的新型技巧,以提升基线在不同数据集上的测试精度。在 Open Graph Benchmark (OGB) 上的实验表明,通过组合这些技术,各类 GCNs 的测试精度提升了 1.21%~2.84%。我们在 https://github.com/ytchx1999/PyG-OGB-Tricks 开源了我们的实现。
引用
@article{arxiv.2105.08330,
title = {Residual Network and Embedding Usage: New Tricks of Node Classification with Graph Convolutional Networks},
author = {Huixuan Chi and Yuying Wang and Qinfen Hao and Hong Xia},
journal= {arXiv preprint arXiv:2105.08330},
year = {2022}
}
备注
This work is still working in process. (14 pages, 6 figures)